核心概念
提案手法のLearnable Collaborative Attention (LCoA)は、非局所的モデリングの計算効率を大幅に向上させながら、画像再構築性能も維持することができる。LCoAは、学習可能なスパース・パターン(LSP)と協調的注意(CoA)から構成されており、これらにより非局所的モデリングに帰納的バイアスを導入している。
要約
本論文では、単一画像スーパーレゾリューション(SR)のための効率的な学習可能な協調的注意機構(LCoA)を提案している。
LCoAは以下の2つの主要な構成要素から成る:
Learnable Sparse Pattern (LSP):
k-meansクラスタリングアルゴリズムを使用して、深層特徴の動的なスパース注意パターンを学習する。
これにより、既存のスパース解決策と比べて、非局所的モデリングの回数を大幅に削減できる。
Collaborative Attention (CoA):
LSPで学習したスパース注意パターンと重みを活用し、異なる抽象レベルの注意重みを共同最適化する。
これにより、冗長な類似行列計算を回避できる。
実験結果から、提案手法のLCoAは、推論時間を約83%削減しつつ、画像再構築性能も維持できることが示された。また、LCoAをディープラーニングネットワークに統合したLearnable Collaborative Attention Network (LCoAN)は、推論時間、メモリ消費、再構築品質の面で、他の最先端SRモデルと比較して優れた性能を示した。
統計
画像サイズに対して非局所的モデリングの計算量が二次的に増加するため、非局所的注意機構の計算コストが非常に高い。
提案手法のLCoAは、推論時間を約83%削減できる。
メモリ消費も従来の非局所的注意機構と比べて65%削減できる。